AX 아카데미

LLM 사후 학습(Post-training) 심층 분석

Post-training of LLMs

SFT, DPO, 온라인 강화학습 등 사후 학습 기법으로 특정 목적에 최적화된 LLM을 만드는 법을 배웁니다.

공식 페이지 ↗

LLM 애플리케이션 레드티밍

Red Teaming LLM Applications

레드티밍을 통해 거대언어모델 애플리케이션의 취약점을 식별 및 평가하고 안전성을 높이는 법을 배웁니다.

공식 페이지 ↗

LLM 앱 개발을 위한 LangChain 활용

LangChain for LLM Application Development

프롬프트, 파싱, 메모리, 체인, 질의응답, 에이전트 등 LangChain 프레임워크 활용법을 배웁니다.

공식 페이지 ↗

LLM 앱을 위한 비정형 데이터 전처리

Preprocessing Unstructured Data for LLM Applications

PDF, PPT, HTML 등 다양한 문서에서 콘텐츠를 추출하고 정규화하여 RAG 검색 성능을 높이는 법을 배웁니다.

공식 페이지 ↗

LLM 앱을 위한 품질 및 보안(Quality & Safety)

Quality and Safety for LLM Applications

LLM 애플리케이션의 보안과 안전성을 평가하고 위험 요소를 모니터링 및 방어하는 강화 조치를 배웁니다.

공식 페이지 ↗

LLM 앱의 정확도 높이기

Improving Accuracy of LLM Applications

평가, 프롬프팅, 메모리 튜닝을 통해 LLM 애플리케이션의 정확도를 체계적으로 개선하는 방법을 배웁니다.

공식 페이지 ↗

LLM 워크플로우를 위한 Pydantic 활용법

Pydantic for LLM Workflows

Pydantic을 사용하여 LLM 응답을 구조화하고 데이터 유효성을 검증해 신뢰성 있는 앱을 만듭니다.

공식 페이지 ↗

LLM 함수 호출 및 데이터 추출

Function-calling and data extraction with LLMs

함수 호출을 적용하여 LLM과 에이전트 애플리케이션의 기능을 확장하는 방법을 배웁니다.

공식 페이지 ↗

LLM 효율적 서빙 및 배포

Efficiently Serving LLMs

토큰 예측 원리와 KV 캐싱 같은 기법을 이해하고, 다중 사용자 환경에서 LLM을 효율적으로 서빙하는 코드를 작성합니다.

공식 페이지 ↗

LLMOps 실전 가이드

LLMOps

특정 작업에 맞게 LLM을 미세조정(Fine-tuning)하고 배포하는 과정을 설계 및 자동화하는 LLMOps 모범 사례를 배웁니다.

공식 페이지 ↗

LLMOps를 위한 자동화 테스트

Automated Testing for LLMOps

자동화된 CI 파이프라인을 구축해 코드 변경마다 LLM 앱을 평가하고 빠르고 안전하게 개발하는 법을 배웁니다.

공식 페이지 ↗

LLM을 위한 파인튜닝과 강화학습 입문

Fine-tuning & RL for LLMs: Intro to Post-training

모델의 추론 능력을 높이고 더욱 안전하고 신뢰할 수 있는 모델로 다듬는 사후 학습 기술을 다룹니다.

공식 페이지 ↗

LLM을 활용한 생성형 AI 완전 정복

Generative AI with Large Language Models

트랜스포머 구조부터 생성형 AI의 전체 수명 주기, 학습 및 추론 방법론까지 핵심 개념을 파악합니다.

공식 페이지 ↗

MCP Server와 Box 파일을 활용한 AI 앱 개발

Build AI Apps with MCP Server: Working with Box Files

Box MCP 서버를 활용해 문서를 탐색하고, 멀티 에이전트 간 통신을 구현하는 앱 개발법을 배웁니다.

공식 페이지 ↗

Mistral 시작하기

Getting Started with Mistral

Mistral의 오픈소스 및 상용 모델을 살펴보고, JSON 모드와 API로 구조화된 응답을 생성하는 법을 배웁니다.

공식 페이지 ↗

Multi-vector Image Retrieval 구축하기

Multi-vector Image Retrieval

다중 벡터를 활용해 텍스트와 이미지 간의 정밀한 매칭을 구현하고 검색 정확도를 높이는 방법을 배웁니다.

공식 페이지 ↗

Nvidia NeMo Agent Toolkit 기반 상용 에이전트 개발

Nvidia’s NeMo Agent Toolkit: Making Agents Reliable

관찰·평가·배포 도구를 활용해 시연용 에이전트를 안정적인 상용 시스템으로 발전시킵니다.

공식 페이지 ↗

o1 모델을 활용한 추론

Reasoning with o1

복잡한 추론 작업을 위해 OpenAI o1 모델을 사용하고 프롬프트하는 법을 배웁니다.

공식 페이지 ↗

OpenAI Canvas로 협업 글쓰기 및 코딩

Collaborative Writing and Coding with OpenAI Canvas

AI와 협업하여 더 효과적으로 글을 쓰고 코딩하며 창작하는 OpenAI Canvas 활용법을 배웁니다.

공식 페이지 ↗

Qodo와 함께하는 AI 코드 리뷰 실무

AI Code Review

충분한 컨텍스트 전달과 조기 리뷰 실행을 통해 AI 코드 리뷰를 효율적으로 운용하는 실습 과정입니다.

공식 페이지 ↗

RAG(Retrieval Augmented Generation) 실무

Retrieval Augmented Generation (RAG)

RAG의 아키텍처 설계부터 배포, 평가까지 실무에 즉시 적용 가능한 개발 노하우를 습득합니다.

공식 페이지 ↗

RAG를 위한 지식 그래프(Knowledge Graphs)

Knowledge Graphs for RAG

지식 그래프 시스템을 구축해 RAG 성능을 높이고 Neo4j의 Cypher 언어로 데이터를 관리 및 검색하는 법을 배웁니다.

공식 페이지 ↗

Replit과 함께하는 바이브 코딩 101

Vibe Coding 101 with Replit

통합 웹 개발 환경에서 AI 코딩 에이전트로 앱을 디자인, 빌드, 배포합니다.

공식 페이지 ↗

RLHF(인간 피드백 기반 강화학습) 이해하기

Reinforcement Learning From Human Feedback

RLHF를 통한 LLM 튜닝 및 평가 기초를 배우고 Llama 2 모델을 직접 미세조정해 봅니다.

공식 페이지 ↗